排名01专有模型
Claude Fable 5.1
Anthropic
- 综合推理 第 1 位
- 文本偏好 第 3 位
- 智能体任务 第 1 位
98
100%
3 项评测信号
LLM 排行榜
集合多个公开 LLM 评测榜单的信号，整理成一个可读、可追溯、每日自动更新的模型排名快照。
模型
20
信号
44
更新日期
2026-09-08
香港时间每日 00:00 自动更新
共识快照
多个公开评测信号，整理成一张决策表。
#1Claude Fable 5.1Anthropic · 综合推理 第 1 位 · 文本偏好 第 3 位 · 智能体任务 第 1 位98
#2Claude Fable 5Anthropic · 综合推理 第 4 位 · 文本偏好 第 1 位 · 智能体任务 第 3 位93
#3GPT-6 AstraOpenAI · 综合推理 第 2 位90
#4Claude Opus 5Anthropic · 综合推理 第 3 位 · 文本偏好 第 7 位 · 智能体任务 第 2 位88
共识排名
共识分数并非原始跑分，而是跨评测排名位置的加权结果；同一产品线的不同推理强度与版本会合并，只取最佳成绩。
权重设置综合推理 40%文本偏好 30%智能体任务 30%
排名模型分数覆盖率
排名02专有模型
Claude Fable 5
Anthropic
- 综合推理 第 4 位
- 文本偏好 第 1 位
- 智能体任务 第 3 位
93
100%
3 项评测信号
排名03专有模型
GPT-6 Astra
OpenAI
- 综合推理 第 2 位
90
40%
1 项评测信号
排名04专有模型
Claude Opus 5
Anthropic
- 综合推理 第 3 位
- 文本偏好 第 7 位
- 智能体任务 第 2 位
88
100%
3 项评测信号
排名05专有模型
Muse Spark 1.3
Meta
- 综合推理 第 5 位
79
40%
1 项评测信号
排名06专有模型
GPT-5.6 Sol
OpenAI
- 综合推理 第 6 位
- 文本偏好 第 14 位
- 智能体任务 第 4 位
73
100%
3 项评测信号
排名07专有模型
Claude Opus 4.7
Anthropic
- 文本偏好 第 4 位
- 智能体任务 第 10 位
73
60%
2 项评测信号
排名08开放权重
Kimi K3
Kimi
- 综合推理 第 10 位
- 文本偏好 第 10 位
- 智能体任务 第 6 位
69
100%
3 项评测信号
排名09专有模型
Claude Opus 4.6
Anthropic
- 文本偏好 第 2 位
- 智能体任务 第 17 位
63
60%
2 项评测信号
排名10开放权重
Hy4 preview
Tencent
- 智能体任务 第 9 位
63
30%
1 项评测信号
排名11专有模型
Claude Opus 4.8
Anthropic
- 文本偏好 第 15 位
- 智能体任务 第 5 位
61
60%
2 项评测信号
排名12专有模型
Gemini 3.8 Flash
- 综合推理 第 14 位
- 文本偏好 第 6 位
- 智能体任务 第 14 位
58
100%
3 项评测信号
排名13专有模型
Muse Spark
Meta
- 文本偏好 第 11 位
56
30%
1 项评测信号
排名14专有模型
Qwen3.8 Max
Alibaba
- 综合推理 第 7 位
- 文本偏好 第 19 位
- 智能体任务 第 13 位
54
100%
3 项评测信号
排名15专有模型
GPT 5.5
OpenAI
- 文本偏好 第 16 位
- 智能体任务 第 8 位
54
60%
2 项评测信号
排名16开放权重
GLM-5.3
Z AI
- 综合推理 第 8 位
- 文本偏好 第 17 位
- 智能体任务 第 18 位
49
100%
3 项评测信号
排名17专有模型
Gemini 3 Pro
- 文本偏好 第 13 位
48
30%
1 项评测信号
排名18专有模型
Muse Spark 1.2
Meta
- 综合推理 第 16 位
- 文本偏好 第 5 位
- 智能体任务 第 28 位
41
100%
3 项评测信号
排名19开放权重
Qwen3.8 2.4T A95B
Alibaba
- 综合推理 第 15 位
41
40%
1 项评测信号
排名20专有模型
Grok 4.6
SpaceXAI
- 综合推理 第 9 位
- 文本偏好 第 42 位
- 智能体任务 第 16 位
39
100%
3 项评测信号
计算方法
加权共识，而非单一评测定胜负。
- 01每日香港时间 00:00 自动抓取三个公开评测榜单，结果缓存 24 小时。
- 02每个评测先按模型排名转换成位置分数，再以本版权重加权平均。
- 03同一产品线的不同推理强度或版本会合并，只取该产品线在各评测的最佳成绩。
- 04缺少部分评测覆盖的模型会按覆盖率略作折扣，避免单一榜单的短期第一名压过多评测稳定的模型。
- 05排名只是选型与实验的入口，并非绝对答案；实际应用仍要按成本、延迟、上下文长度、数据政策和任务测试决定。
想把排行变成可落地的模型选型？
如果要把这个排行榜接到贵公司的模型选型、提示词测试或智能体工作流程，我们可以帮你拆成可重跑的评测流程。